[发明专利]基于线性支持向量机的分类方法及装置在审
| 申请号： | 201310746140.9 | 申请日： | 2013-12-30 |
| 公开（公告）号： | CN104750734A | 公开（公告）日： | 2015-07-01 |
| 发明（设计）人： | 兰亮;曾嘉;袁明轩 | 申请（专利权）人： | 华为技术有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京同立钧成知识产权代理有限公司 11205 | 代理人： | 刘芳 |
| 地址： | 广东省深圳市*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提供一种基于线性支持向量机的分类方法及装置。本发明基于线性支持向量机的分类方法，包括：获取训练数据中各样本点的贡献值，所述贡献值表示所述样本点对获取线性支持向量机SVM模型的重要程度；根据所述各样本点的贡献值选取所述训练数据中部分样本点进行目标函数优化，确定所述线性SVM模型；根据所述线性SVM模型，预测对测试数据的分类结果。本发明实施例根据训练数据中各样本点对获得线性SVM的模型的贡献大小，确定子训练数据，并根据此子训练数据确定线性SVM的模型，加快线性SVM算法的收敛速度。 | ||
| 搜索关键词： | 基于 线性 支持 向量 分类 方法 装置 | ||
【主权项】：
1.一种基于线性支持向量机的分类方法，其特征在于，包括：根据训练数据中各样本点和预设参数，获取所述训练数据中各样本点的贡献值，所述贡献值表示所述样本点对获取线性支持向量机SVM模型的重要程度；根据所述各样本点的贡献值选取所述训练数据中部分样本点进行目标函数优化，确定所述线性SVM模型；根据所述线性SVM模型，预测对测试数据的分类结果；其中，所述根据所述训练数据中各样本点和预设参数，获取所述训练数据中各样本点的贡献值，包括：根据如下公式获取所述训练数据中各样本点的贡献值： L ( i ) = m i n { m a x [ - α i , - ( y i w T x i - 1 ) Q i i ] , ( C - α i ) } ]]>i ,yi )表示训练数据中的第i个样本点，xi 是一长度为M的特征向量，yi ∈{+1,-1}表示第i个样本点的标注信息，N为所述训练数据中的样本点个数；L(i)表示所述训练数据中各样本点的贡献值；i 为第i个样本点对应的迭代参数值，且公式满足条件：0≤αi +L(i)≤C。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华为技术有限公司，未经华为技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201310746140.9/，转载请声明来源钻瓜专利网。
